Hybrid Quantum-Classical Recurrent Neural Networks
Created by
- Haebom
Category
Empty
저자
Wenduan Xu
개요
본 논문은 전체 순환 코어가 고전적 피드포워드 네트워크에 의해 제어되는 매개변수화된 양자 회로(PQC)로 구현된 하이브리드 양자-고전적 순환 신경망(QRNN) 아키텍처를 제시한다. 은닉 상태는 지수적으로 큰 힐베르트 공간 $\mathbb{C}^{2^n}$에 존재하는 n-큐비트 PQC의 양자 상태이다. PQC는 구조적으로 유니터리하며, 외부 제약 없이 은닉 상태 진화를 규범 보존적으로 만든다. 각 타임스텝에서 중간 회로 판독값은 입력 임베딩과 결합되어 피드포워드 네트워크에 의해 처리되며, 명시적인 고전적 비선형성을 제공한다. 출력은 PQC를 매개변수화하며, 이는 유니터리 역학을 통해 은닉 상태를 업데이트한다. QRNN은 콤팩트하고 물리적으로 일관성이 있으며, (i) 고용량 메모리로서의 유니터리 재발, (ii) 중간 회로 측정을 통한 부분 관찰, (iii) 입력 조건부 매개변수화를 위한 비선형 고전적 제어를 통합한다. 감성 분석, MNIST, 순열된 MNIST, 메모리 복사 및 언어 모델링에서 최대 14개의 큐비트를 사용하여 시뮬레이션에서 모델을 평가하고, 일관된 순환 양자 메모리를 유지하면서 중간 회로 판독값을 얻기 위해 투영 측정을 제한적인 경우로 채택한다. 또한, 시퀀스-투-시퀀스 모델에서 중간 회로 판독값에 대한 소프트 어텐션 메커니즘을 고안하여 기계 번역에 대한 효과를 보여준다. 본 연구는 양자 연산에 기반한 최초의 모델(RNN 또는 기타)로, 광범위한 시퀀스 학습 작업에서 강력한 고전적 기준선에 대해 경쟁력 있는 성능을 달성했다.
시사점, 한계점
•
시사점:
◦
유니터리 재발을 고용량 메모리로 활용.
◦
중간 회로 측정을 통해 부분 관찰을 가능하게 함.
◦
입력 조건부 매개변수화를 위한 비선형 고전적 제어 제공.
◦
광범위한 시퀀스 학습 작업에서 강력한 고전적 기준선과 경쟁하는 성능 달성.
◦
소프트 어텐션 메커니즘을 사용하여 기계 번역 성능 향상.
•
한계점:
◦
시뮬레이션 기반의 평가.
◦
양자 컴퓨터 하드웨어의 구현 및 확장에 대한 추가적인 연구 필요.
